建築家が考える注文住宅のデザインと施工例20選 | titel (タイテル)
注文住宅を検討するとき、だれもがデザイン性のいい家にしたいと思うのではないでしょうか。 特にハウスメーカーの同じような外観・仕様、よくある建売のような家では満足できない方、または注文住宅をせっかく検討するのであればデザインにこだわりたい、という方に必見の内容になっています。 ただし、デザインには正解はありません。 今回は、注文住宅において唯一無二の設計ができる titel（タイテル）の建築家の事例も交え、デザイナーズ住宅を参考に「自分のスタイル」を見つけてください。 デザイン性を高めるポイントと同時に、スタイル別の事例や外観・内観で特に秀でた事例もみていきましょう。 記事監修：藤木 舞 一級建築士 / タイテル建築アドバイザー 設計事務所にて住宅・店舗・オフィスの設計を担当した後、2021年にタイテル建築アドバイザーに就任。幼い頃から住宅建築に関心を持つ。慶應義塾大学 SFC にて建築・ま
茂木哲 / nagomによる、東京・港区の住戸改修「ジャパンディスタイルの家」。外国の方の賃貸入居を想定した計画。“日本らしさ”も備えた住まいを目指し、日本建築の“天井面で空間の格式を示す”作り方を参照した設計を志向。開けた外部環境を活かす為に“風景を切り取る”窓を各部屋に作る
SHARE 茂木哲 / nagomによる、東京・港区の住戸改修「ジャパンディスタイルの家」。外国の方の賃貸入居を想定した計画。“日本らしさ”も備えた住まいを目指し、日本建築の“天井面で空間の格式を示す”作り方を参照した設計を志向。開けた外部環境を活かす為に“風景を切り取る”窓を各部屋に作る 茂木哲 / nagomによる、東京・港区の住戸改修「ジャパンディスタイルの家」。外国の方の賃貸入居を想定した計画。“日本らしさ”も備えた住まいを目指し、日本建築の“天井面で空間の格式を示す”作り方を参照した設計を志向。開けた外部環境を活かす為に“風景を切り取る”窓を各部屋に作る下階、ダイニングからリビングと書斎を見返す。 photo©山内紀人 茂木哲 / nagomによる、東京・港区の住戸改修「ジャパンディスタイルの家」。外国の方の賃貸入居を想定した計画。“日本らしさ”も備えた住まいを目指し、日本建築の
ピクシブ社エンジニアが語る、機械学習基盤とその技術 「GCPバッチ基盤」「リアルタイムの推論基盤」「ノートブック開発環境」整備の裏側
登壇者の自己紹介とアジェンダの紹介 sugasuga氏：こんにちは。今日は、ピクシブの機械学習基盤に関する発表をいたします。 まずは自己紹介から始めさせてください。自分は、機械学習チームでエンジニアをしているsugasugaといいます。サブで採用・広報活動にも関わっています。最近の趣味は、トレーニングです。 今日お話しすることは、（スライドを示して）こちらを予定しています。機械学習基盤について。そして、基盤で使われている技術について。運用してみて感じたメリットとデメリットについてお話しします。 大規模なデータの効率的な処理、機械学習サービスの展開のしやすさ、効率的な開発などに課題があった 本題に移る前に、導入として、どういったところで機械学習が活用されていて、なぜ機械学習基盤が必要かについてお話しします。 活用されている場面としては、違反検知、レコメンド、広告、3Dなど多岐にわたります。こ
Azure OpenAI Service リファレンスアーキテクチャからみる本番システムレベルの LLM アプリに必要な検討項目の解説 / From Azure OpenAI Reference Architecture to Production-Ready LLM Apps #serverlessdays #serverlesstokyo
ServerlessDays Tokyo 2023 で Azure OpenAI Service リファレンスアーキテクチャからみる、本番システムレベルの LLM アプリに必要な検討項目の解説 / From Azure OpenAI Reference Architecture to Production-Ready LLM Apps というタイトルで紹介しました HP: https://tokyo.serverlessdays.io/ Ticket: https://serverless.connpass.com/event/290640/ #serverlessdays #serverlesstokyo
DataflowとBigQueryで始める大規模データ分析基盤実装入門 - TECH PLAY Magazine
大量に蓄積されたデータを活用するためには、データ分析基盤の構築が必要になる。だが、専門知識を持つ人材やデータ分析にかける予算確保は容易くはない。そこで、電通国際情報サービス(ISID)の全社横断的な研究開発部門である、X（クロス）イノベーション本部ソフトウェアデザインセンターの佐藤太一氏が、自らの経験をもとにDataflowとBigQueryで大規模データ分析基盤を実装する方法を紹介。その際に重要となるコスト観も合わせて解説した。 データ分析基盤構築における考え方とシステムアーキテクチャ 佐藤 太一氏 株式会社電通国際情報サービス(ISID) Xイノベーション本部 ソフトウェアデザインセンター 今回登壇した佐藤太一氏が所属する電通国際情報サービス（以下、ISID）のXイノベーション本部は、全社横断的な研究開発部門。佐藤氏はGitHubやJIRAなどの現代的な構成管理ツールの利用促進や部門横
スキーマのモデリング化技法
20 スキーマのモデリング化技法 この章では、データ・ウェアハウスのスキーマについて説明します。内容は次のとおりです。 データ・ウェアハウスのスキーマ 第3正規形 スター・スキーマ スター・クエリーの最適化 データ・ウェアハウスのスキーマ スキーマとは、表、ビュー、索引およびシノニムを含むデータベース・オブジェクトのコレクションです。 データ・ウェアハウス用に設計されたスキーマ・モデルにスキーマ・オブジェクトを配置するためには、様々な方法があります。データ・ウェアハウス・スキーマ・モデルの1つは、スター・スキーマです。shサンプル・スキーマ(このマニュアルに記載するほとんどの例の基本)では、スター・スキーマを使用します。ただし、その他にも、データ・ウェアハウスによく使用されるスキーマ・モデルがあります。そのようなスキーマ・モデルのうち最も一般的なのは、第3正規形(3NF)スキーマです。また
コンフォームド・ディメンション(Conformed Dimensions)
図1のスタースキーマは、注文(fact_orders)と返品(fact_returns)の2つプロセスを表している。それぞれ注文スター、返品スターと呼ぶ。 それぞれ別々の部門で実装されたもので、物理的に独立したデータベースに存在している。両方のデータベースに、ディメンションテーブルの日(dimension_days)、顧客(dimension_customers)、製品(dimension_products)がある。これらのスタースキーマを比較したいケースはあるとする。例えば、特定期間の製品別の注文に対する返品率などである。これはドリルアクロスを使えば実現可能である。以下が手順である。 各ファクト・テーブルを製品ごとに集約する。 集約した結果をマージし、注文された数量と返却された数量の比率が計算する。 図1の製品ディメンションを使えば、同様の手順で他のディメンション属性で分析可能だが、残念
データ・ウェアハウス・ガイド
組織でのエンタープライズ･データ・ウェアハウス構築がすでに決定されているとします。そして、ビジネス要件の定義、ビジネスの目的の適用範囲の打合せ、および概念的な設計も完了しているとします。そこで、その要件をシステムに移行できるように変換する必要があります。そのためには、データ・ウェアハウスの論理設計と物理設計を行います。定義する内容は、次のとおりです。 具体的なデータ内容 データ・グループ内およびデータ・グループ間の関係 データ・ウェアハウスをサポートするシステム環境 必要なデータ変換 データのリフレッシュ頻度 論理設計は、物理設計に比べて概念的で抽象的です。論理設計では、オブジェクト間の論理的な関係を検討します。物理設計では、オブジェクトの格納と取出しの他、転送処理およびバックアップ/リカバリの観点から、最も効果的な方法を検討します。 設計では、エンド・ユーザーのニーズを優先させる必要があ
Data Warehouse
Data Warehouse データウェアハウス 企業内の全データをひとつのDBに統合し一元管理する． 単に個々のDBのデータを統合しただけではなく，下記の特徴を備える[1][3]． 目的別編成（Purpse-oriented, サブジェクト指向とも）． データを主題ごとに分解・整理して格納してある． 目的別に格納しない点がポイント． 統合（Integrated） データの論理的な統合ができている（コード統一や用語統一が完了した状態のデータになっている）． delete/updateはしない． 時系列の編集情報も記録する． （いわゆる暦更新にして）取り消し，削除，変更などの履歴もわかるようにする． Data Mart データマート 目的別に構築された小型のデータウェアハウスのようなもの． 企業内に目的別に複数のマートを構築するため，データが重複されている状態になる． Fact ファクト デ
【新機能】Google Cloud 純正の構成図ツール Architecture Diagramming Tool が発表されました | DevelopersIO
【新機能】Google Cloud 純正の構成図ツール Architecture Diagramming Tool が発表されました Google Cloud のアーキテクチャ図を書く純正のツール Architecture Diagramming Tool が発表されました。Google Cloud の構成図ツールの決定版になると思います。 ウィスキー、シガー、パイプをこよなく愛する大栗です。 先程 Google Cloud 純正のアーキテクチャ図作成ツールである Google Cloud Architecture Diagramming Tool が発表されました。 Introducing a Google Cloud architecture diagramming tool Google Cloud Architecture Diagramming Tool 今まではGoogle S
ざっくり Beyond the 12 Factor App - Qiita
はじめに PivotalのアーキテクトであるKevin Hoffmanさんがクラウドネイティブアプリ向けに Tweleve-Factor をアップデートしました。 Beyond the 12 Factor App この記事ではBeyond the 12 Factor Appについてなんとなく分かった気になるまでを目指します。 Factor 1. One Codebase, One Application 1つのコードに1つのアプリケーション アプリケーションごとにバージョン管理されている1つのコードベースがあるか 1つのコードベースから複数の環境(dev/stg/prd)に対してのデプロイが可能か 例) 環境毎に異なる値は環境変数から読み込むようにコーディングする 単一のコードベースに複数のチームが存在する場合、Conwayの法則を利用して、マイクロサービス化してコードベースの分割を検討し
Microservices における認証と認可の設計パターン
マイクロサービスにおける認証と認可の、一般論としての設計パターンを調べたところ、Web 上の複数の記事で似たようなパターンが登場していた。ここでは、まず認証と認可が実現したい一般的な要件と、そのマイクロサービスでの難しさを整理し、認証と認可に分けて調査したパターンをまとめた。 あくまで “一般論” なので、実際には個々のドメインにあわせてアレンジが必要 往々にしてこの “アレンジ” に価値が宿るものだが、まずはセオリーを知っておきたいというモチベーションで調査した Web 上の記事を読んでまとめただけなので、手を動かしての確認はしておらず、理解が甘い部分はご容赦ください 具体的な通信方式やサービス間通信のセキュリティといった具体論までは踏み込めていない。このへんはサービスメッシュやゼロトラストネットワークといったトピックが登場すると思われる これらは次回以降の Todo としています その
ミース・ファン・デル・ローエの建築思想が最も反映された傑作住宅「ファンズワース邸」
ル・コルビュジエやフランク・ロイド・ライトと並んで近代建築の巨匠と称されるミース・ファン・デル・ローエ。ナチスによって校長を務めたバウハウスが閉鎖に追い込まれた後は、アメリカに亡命し、教鞭を執ったイリノイ工科大学があるシカゴが主戦場となった。 そのシカゴ郊外にミースによる最後の住宅作品にして傑作と言われる住宅建築「ファンズワース邸」がある。 ミースの建築思想が最も反映された「ファンズワース邸」 ミースの高層建築が立ち並ぶシカゴのダウンタウンから車で1時間半ほどのPlano（プラノ）という街にある「ファンズワース邸」は、周囲にトウモロコシ畑が広がり、目の前に川の流れる緑豊かな場所にある。 もともとはシカゴの病院に勤務する女性の医師エディス・ファンズワース氏のための週末住宅として建てられた。現在は歴史的に価値のある建築物を保護するナショナルトラストと言われる団体が管理している。余談ではあるが、
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
https://www.elle.com/jp/decor/decor-architecture/g40215633/architecturalmasterpiece-22-0600/
Microsoft Word - 2021年度梗概＿森_完.docx
クラウド アーキテクチャのガイダンスとトポロジ | Google Cloud
Oracle Business Analytics Warehouseの命名規則
モダンデータスタックとかの話(データエンジニアのお仕事とは)
データ分析設計パターン | Cloud アーキテクチャ センター | Google Cloud
アーキテクチャ: マーケティング データ ウェアハウス | Cloud アーキテクチャ センター | Google Cloud